• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>WSEAS Transactions on Mathematics >Bayesian Variable Selection for Poisson Regression with Spatially Varying Coefficients
【24h】

Bayesian Variable Selection for Poisson Regression with Spatially Varying Coefficients

机译：具有空间变化系数的泊松回归的贝叶斯变量选择

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Poisson regression model is commonly used to model count data. In many scenarios, the data are collected from various locations so spatially varying coefficient Poisson regression model is developed to adjust for spatial dependence. We propose a Bayesian variable selection method for Poisson regression model with spatially varying coefficients. Considering computation efficiency we assign a conjugate multivariate log-gamma (MLG) prior to the regression coefficients and further incorporate the spatial information into the covariance matrix. We apply the horseshoe prior to facilitate a robust variable selection method with computational efficiency and build a MCMC algorithm for the posterior inference.
机译：Poisson回归模型通常用于模拟计数数据。 在许多情况下，从各个位置收集数据，以便开发出空间变化的系数泊泊回归模型来调整空间依赖性。 我们提出了一种用于空间变化系数的泊松回归模型的贝叶斯变量选择方法。 考虑到计算效率，我们在回归系数之前分配共轭多变量log-gamma（mlg），并且还将空间信息进入协方差矩阵。 我们在促进具有计算效率的鲁棒变量选择方法之前应用马蹄形，并为后部推理构建MCMC算法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号